NAMA : Restu Agung N

NIM : 2009036019
PRODI : Teknik Industri

Resume Materi Tentang Distribusi Probabilitas Kontinyu Khusus

(Seragam, Normal, Gamma, Eksponensial, Weilbull).

1. Distribusi Seragam Kontinyu

Distribusi seragam kontinu adalah distribusi yang peluang setiap peubah acaknya
sama.
Fungsi Padat Peluang

dimana a < x < b

a = batas bawah
b = batas atas
Mean
E(X) = (b + a)/2
Varian
Var(X) = (b – a)2/12
Fungsi Pembangkit Momen (MGF)

Fungsi Karakteristik

Fungsi Pembangkit Peluang

2. Distribusi Normal
Distribusi normal merupakan salah satu jenis distribusi dengan variabel acak yang
kontinu. Pada distribusi normal terdapat kurva/grafik yang digambarkan menyerupai
bentuk lonceng. Distribusi normal dapat disebut juga sebagai distribusi Gauss.
Persamaan yang terdapat dalam distribusi normal salah satunya yaitu terkait fungsi
densitas. Berikut merupakan fungsi densitas pada distribusi normal.
Rumus Distribusi Normal

Keterangan:
π : konstanta dengan nilai 3,14159. . .
e : bilangan eksponensial dengan nilai 2,7183 . . .
µ : rata-rata (mean) dari data
σ : simpangan baku data berdistribusi normal

Bagaimana cara untuk menghitung nilai z? Nilai z dapat dihitung dengan rumus
berikut.

z = (x – µ)/σ
Keterangan:
µ : rata-rata (mean) dari data
σ : simpangan baku data berdistribusi normal

Pada bagian sebelumnya dijelaskan bahwa data yang berdistribusi normal memiliki kurva
yang berbentuk menyerupai lonceng.
Bentuk kurva dari data berdistribusi normal yaitu sebagai berikut.

Kurva distribusi normal

Berdasarkan kurva distribusi normal di atas, distribusi normal memiliki rata-rata
(mean) sama dengan 0 dan simpangan baku sama dengan 1.
 Penerapan Distribusi Normal
Distribusi normal sangat penting untuk dipelajari terutama dalam melakukan
analisis data statistika. Dengan data yang diambil secara acak dan berdistribusi
normal akan memudahkan dalam melakukan analisis dan meramalkan serta
mengambil kesimpulan untuk cakupan yang lebih luas.Distribusi normal banyak
diterapkan dalam berbagai perhitungan statistika dan pemodelan yang berguna
dalam berbagai bidang.Dalam menentukan distribusi probabilitas diperlukan tabel z
dari distribusi normal.

3. Distribusi Gamma
• Fungsi gamma adalah fungsi berbentuk:

• Peubah acak kontinu Peubah acak kontinu X mempunyai distribusi mempunyai

distribusi gamma, dengan parameter α dan β, jika fungsi padat peluangnya
diberikan oleh:

• Grafik fungsi gamma:

4. Distribusi Eksponensial
• Distribusi gamma yang khusus dengan α = 1 disebut distribusi eksponensial.
• Peubah acak kontinu X mempunyai distribusi eksponensial dengan parameter β, jika
fungsi padat peluangnya berbentuk:
• Rataan dan variansi dari distribusi gamma adalahRataan dan variansi dari
distribusi gamma adalah: 𝜇 = 𝛼𝛽 dan 𝜎 2 = 𝛼𝛽 2
• Akibatnya, rataan dan variansi distribusi eksponensial adalah: 𝜇 = 𝛽 dan 𝜎 2 = 𝛽 2
• Aplikasi distribusi eksponensial:
a. Dalam teori antrian, jarak antar kedatangan pelanggan di fasilitas pelayanan
(seperti bank, loket kereta api, tukang cukur, dsb) memenuhi distribusi
eksponensial.
b. Lama waktu mulai dipakai sampai rusaknya suatu suku cadang dan alat listrik
memenuhi distribusi eksponensial.
• Hubungan dengan proses Poisson
a. Hubungan antara distribusi eksponensial dan proses Poisson cukup sederhana.
b. Misalkan distribusi Poisson dengan parameter λ, di mana λ adalah banyaknya
kejadian dalam satu satuan waktu. Misalkan X adalah peubah acak yang
menyatakan panjang selang waktu yang diperlukan agar kejadian pertama
terjadi. Dengan distribusi Poisson, peluang tidak ada kejadian yang muncul
sampai selang waktu t adalah:

c. Peluang panjang selang waktu kejadian pertama terjadi sampai melewati X

sama dengan peluang tidak ada kejadian. Fungsi distribusi kumulatif dari X
adalah:
P (0 ≤ 𝑋 ≤ x) = 1 - P (𝑋 ≥ x) = 1 - 𝑒 −𝜆𝑥
Fungsi densitas densitas adalah turunan turunan fungsi di atas:
f(x) = 𝜆𝑒 −𝜆𝑥
yang merupakan fungsi padat peluang distribusi eksponesial dengan:
1
𝜆=
β
 d. Hal yang perlu diperhatikan adalah parameter λ dan β. Rataan dari distribusi
eksponensial adalah β yang sama dengan 𝜆 = 1 𝛽 adalah rataan antara dua
kejadian yang berturutan.
e. Teori keandalan (reliability) yang menyangkut kegagalan peralatan sering
memenuhi proses Poisson, di sini β dapat merepresentasikan waktu rata-rata
antara kegagalan.
f. Banyak kerusakan peralatan memenuhi proses Poisson, dan karena itu
distribusi eksponensial dapat diterapkan di situ.
• Contoh:
Suatu sistem mengandung sejenis komponen yang daya tahannya dalam tahun
dinyatakan oleh peubah acak T. Peubah acak T berdistribusi eksponensial
dengan parameter waktu rataan sampai gagal β = 5. Jika terdapat 5 buah
komponen dipasang pada sistem yang berlainan, tentukan peluang
sekurangkurangnya 2 komponen masih berfungsi sampai akhir tahun ke-8.
Jawab:
Peluang komponen masih berfungsi hingga akhir tahun ke 8 adalah

Misalkan X adalah jumlah komponen yang masih berfungsi hingga akhir tahun
ke-8, maka dengan distribusi binomial

5. Distribusi Weibull
• Peubah acak kontinu X mempunyai distribusi Weibull, dengan parameter α dan β,
bila fungsi padatnya berbentuk:
 • Rataan dan variansi dari distribusi Weibull adalah:

Aplikasi di Dunia Industri

Manfaat probabilitas dalam kehidupan sehari-hari adalah membantu kita dalam
mengambil suatu keputusan, serta meramalkan kejadian yang mungkin terjadi. Jika kita
tinjau pada saat kita melakukan penelitian, probabilitas memiliki beberapa fungsi antara
lain:
a. Membantu peneliti dalam pengambilan keputusan yang lebih tepat. Pengambilan
keputusan yang lebih tepat dimaksudkan tidak ada keputusan yang sudah pasti karena
kehidupan mendatang tidak ada yang pasti kita ketahui dari sekarang, karena informasi
yang didapat tidaklah sempurna.
b. Dengan teori probabilitas kita dapat menarik kesimpulan secara tepat atas hipotesis
yang terkait tentang karakteristik populasi. Menarik kesimpulan secara tepat atas
hipotesis (perkiraan sementara yang belum teruji kebenarannya) yang terkait tentang
karakteristik populasi pada situasi ini kita hanya mengambil atau menarik kesimpulan
dari hipotesis bukan berarti kejadian yang akan datang kita sudah ketahui apa yang akan
terjadi.
c. Mengukur derajat ketidakpastian dari analisis sampel hasil penelitian dari suatu
populasi.